[发明专利]图像识别方法、装置、系统及计算机可读存储介质

权利要求书

1.一种图像识别方法，其特征在于，用于识别植入于患者颅内的电极导线上的分片电极，所述电极导线的周向上设置有多个所述分片电极和图像标记；

所述方法包括：

获取所述患者的医学影像数据；

基于所述医学影像数据，获取所述电极导线的轮廓数据、所述图像标记的轮廓数据以及多个所述分片电极的轮廓数据；

基于所述电极导线的轮廓数据，获取所述电极导线的位置信息和姿态信息；

基于所述图像标记的轮廓数据，获取所述图像标记的位置信息；

基于所述图像标记的位置信息以及所述图像标记与每个所述分片电极的相对位置关系，从多个所述分片电极的轮廓数据中分别获取每个所述分片电极的轮廓数据，以得到每个所述分片电极的识别结果；

所述基于所述医学影像数据，获取所述电极导线的轮廓数据、所述图像标记的轮廓数据以及多个所述分片电极的轮廓数据，包括：

基于所述医学影像数据，重建所述患者的大脑的三维模型；

利用所述三维模型，获取所述电极导线的轮廓数据、所述图像标记的轮廓数据以及多个所述分片电极的轮廓数据。

2.根据权利要求1所述的图像识别方法，其特征在于，所述方法还包括：

获取所述三维模型的目标姿态信息；

基于所述医学影像数据和所述目标姿态信息，生成所述目标姿态信息对应的目标二维图像；

利用显示设备显示所述目标二维图像并在所述目标二维图像上显示至少一个所述分片电极的标识信息。

3.根据权利要求2所述的图像识别方法，其特征在于，所述获取所述三维模型的目标姿态信息，包括：

利用交互设备接收针对所述三维模型的旋转操作，响应于所述旋转操作，确定所述三维模型的目标姿态信息。

4.根据权利要求1所述的图像识别方法，其特征在于，所述基于所述医学影像数据，获取所述电极导线的轮廓数据、所述图像标记的轮廓数据以及多个所述分片电极的轮廓数据，包括：

分别以所述电极导线、所述图像标记以及多个所述分片电极作为目标对象，基于所述医学影像数据，生成所述患者的大脑的多个横断面的二维图像；

从每个所述二维图像中检测所述目标对象的轮廓，以得到所述目标对象在每个所述二维图像中的轮廓数据；

基于所述目标对象在多个所述二维图像中的轮廓数据，获取所述目标对象的轮廓数据。

5.根据权利要求4所述的图像识别方法，其特征在于，所述从每个所述二维图像中检测所述目标对象的轮廓，以得到所述目标对象在每个所述二维图像中的轮廓数据，包括：

利用轮廓检测模型从每个所述二维图像中检测所述目标对象的轮廓，以得到所述目标对象在每个所述二维图像中的轮廓数据；

其中，轮廓检测模型的训练过程包括：

获取训练集，所述训练集包括多个训练数据，每个所述训练数据包括一个样本图像以及所述样本图像对应的目标对象的轮廓数据的标注数据；

针对所述训练集中的每个训练数据，执行以下处理：

将所述训练数据中的样本图像输入预设的深度学习模型，以得到所述样本图像对应的目标对象的轮廓数据的预测数据；

基于所述样本图像对应的目标对象的轮廓数据的预测数据和标注数据，对所述深度学习模型的模型参数进行更新；

检测是否满足预设的训练结束条件；如果是，则将训练出的所述深度学习模型作为所述轮廓检测模型；如果否，则利用下一个所述训练数据继续训练所述轮廓检测模型。

6.根据权利要求5所述的图像识别方法，其特征在于，所述模型参数包括以下至少一种：轮廓像素坐标向量、轮廓颜色、轮廓线宽、线类型、拓扑结构参数、轮廓最大层级和轮廓偏移参数。

7.根据权利要求1所述的图像识别方法，其特征在于，所述医学影像数据包括CT数据、MR数据、PET数据、X光数据、PET-CT数据和PET-MR数据中的一种或多种；

所述图像标记包括多个特征角；或者，所述图像标记包括多个标记部，每个所述标记部设置于不同的分片电极上。